公开(公告)号：CN115687988A

公开(公告)日：2023-02-03

申请号：CN202111054174.2

申请日：2021-09-09

Applicant: 南京大学

Inventor： 曾仲麟 ,  陈颖 ,  仓锡惠 ,  葛云

IPC: G06F18/241 ,  G06N3/0442 ,  G16H50/20 ,  G16H50/70

Abstract: 本发明提出了一种全新的基于信息相似度的门控记忆神经网络模型。该模型设计了一种新的基于信息相似度的门控记忆单元，充分利用了底层网络模型提取的图像特征向量，并可以将图像特征信息进行类别化和记忆性存储与更新。该门控单元记忆的信息区别于传统RNN网络的隐含记忆，更具有表述性并能被存储化。克服了传统卷积神经网络提取的特征依赖对应图像而出现个体化的缺点，克服了循环神经网络只能形成一种类似于记忆的训练机制而不能存储更新类别特征记忆本身的缺点。本发明利用IBS距离度量方法设计损失函数赋予记忆单元类别属性，并使用IBS算法设计了门控记忆单元的迭代记忆存储函数，能够对图像类别特征的记忆库进行长期存储和更新。另外，该网络把类别记忆和图像本身个体特征结合参与网络分类训练，记忆的参与提升了网络分类准确率。经过测试，该网络在图像分类方面有非常强的准确度与适用性。

公开(公告)号：CN115797245A

公开(公告)日：2023-03-14

申请号：CN202111054173.8

申请日：2021-09-09

Applicant: 南京大学

Inventor： 仓锡惠 ,  陈颖 ,  白司悦 ,  葛云

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/13 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出了一种基于Unet网络与SLIC超像素算法相结合的新型CT图像肝脏自动分割方法。该方法一方面通过Unet网络对CT图像进行初步预测，又通过超像素算法对结果进行后处理，提高了肝分割结果的轮廓完整度，强化了预测结果的边缘与CT图像中肝脏真实轮廓的匹配性。本发明旨在解决当分类特征存在于边缘部分时，肝自动分割后的破碎边缘会严重影响网络分类准确性这一问题。经过验证，相比于其他相关分割算法，该算法明显提高了分割精度，也提高了边缘敏感型分类情况的正确率。在实践方面，该方法既可以减少人工分割的工作量，又提高了分割边缘的真实性，在医学图像处理方面有很强的实用性。

公开(公告)号：CN117011572A

公开(公告)日：2023-11-07

申请号：CN202211219456.8

申请日：2022-09-30

Applicant: 南京大学

Inventor： 季纯羽 ,  陈颖 ,  王淇元 ,  仓锡惠

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06T7/00 ,  G06T7/11 ,  G06V10/82

Abstract: 本发明提出了一种基于神经网络的利用腹部CT图像自动分类原发性肝癌的方法。该方法采用半自动Snake方法来实现CT图像肝部分割，引入孪生交叉对比神经网络SCCNN对肝部CT图像进行学习，充分利用孪生对比结构的特点，根据两路输入的肝部CT数据的异同程度来实现原发性肝癌的分类。本发明旨在解决医学小规模数据集会严重影响原发性肝癌分类准确性的问题。经过验证，相比于其他肝癌分类方法，该算法明显提高了原发性肝癌判断的准确率。在实践方面，该方法可以提高辨识的客观性和准确性，减轻医护人员的工作量，同时无侵入的诊断方法比传统的侵入式诊断体验更好，在医学诊断方面有很强的实用性。